Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

[T5] EfficientNet-B0: load ImageNet-pretrained model with a 3-class head

Đang mở Phù hợp với người mới
  • Có gì không ổn?
#71 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
2/5
Thời gian dự kiến
1-3 giờ
Mức phù hợp với người mới
82/100
Loại issue
Tính năng
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
python, tensorflow
Lĩnh vực
machine-learning

Hướng nghiên cứu

Bắt đầu với SOTA_EfficientNetB0.ipynb và xem lại các ví dụ tải EfficientNetB0 và tải dữ liệu; issue nêu rõ các thiết lập mô hình, head, các phân chia dữ liệu dùng chung và bước tiền xử lý. Xây dựng mô hình và chạy một batch từ animal/train; hoàn tất khi các dự đoán có dạng (batch, 3) và số lượng tham số tổng cộng cùng số lượng tham số có thể huấn luyện được in ra.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

task-5 ws4-efficientnet

Assignment task 5 (SOTA fine-tuning).

File: SOTA_EfficientNetB0.ipynb

Tasks
  • tf.keras.applications.EfficientNetB0(include_top=False, weights="imagenet", input_shape=(64, 64, 3))
  • Add head: GlobalAveragePooling → Dropout → Dense(3, softmax)
  • Correct preprocessing: EfficientNet includes its own rescaling layer – feed raw 0–255 pixels, do not divide by 255
  • Print total and trainable parameter counts

Use the shared split in animal/train, animal/val, animal/test (64×64 RGB PNG, 700/150/150 images per class). Do not re-split or resize. No data augmentation (group decision).

Done when

Model builds and predicts shape (batch, 3) on one batch from animal/train.

Depends on

#49

Branch: feat/71-efficientnet-build · open a PR into main with Closes #71 in the description.

Ngôn ngữ chính
Jupyter Notebook
Star
0
Fork
0
Merge trung bình
2 giờ 25 phút
Pull request đã merge (30 ngày)
16

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của VisionForgeCSE/CNN-For-Image-Classification

Tất cả issue của VisionForgeCSE/CNN-For-Image-Classification

Issue tương tự

Thêm issue về Machine Learning

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.